ポイントは「クラウドなら何ができるのか」
ビッグデータで輝くITスキルは、舞台がクラウドに移るとどう変わるのか?(1/2 ページ)
企業は、ビッグデータの処理基盤をクラウドに移している。この動きは、それまでのITスキルを覆すことはないが、管理者や開発チームには幾つか変化が求められるだろう。
新しいビジネスチャンスを見つけるため、もしくは気付いていない不備、不満を見つけるために企業はビッグデータの活用を推進し続けている。以前に比べクラウドの利用ハードルが下がった今、企業はビッグデータをクラウドに送り込もうとしている。だが、ビッグデータの分析チームにはその準備ができているだろうか。
既に自社のデータセンター内でビッグデータへの取り組みを進めているとしても、クラウドでの成功が約束されるわけではない。多くの場合、新しいトレーニングとスキルセットが必須になる。
併せて読みたいお勧め記事
ビッグデータ分析に必要なこと
さまざまな分野で競い合う大手クラウドベンダー
一般にクラウドでビッグデータを扱う場合は、オンプレミスの導入に比べてコストを削減できると話すのは、IT調査会社のEnterprise Strategy Groupでシニアアナリストを務めるマイク・レオネ氏だ。クラウドでビッグデータのシステムやプロジェクトを運用する場合、基本的にビッグデータの専門家をスタッフとして抱える必要はない。例外は分散処理フレームワークの「Hadoop」が関わる場合だけである。
「例えば、オンプレミスの5ノードHadoopクラスタをクラウドの5ノードHadoopクラスタに置き換えるのは実に簡単だ。だが、これを管理するのは難しい。特にソフトウェアの相互運用性に関連する課題が生じる」(レオネ氏)
クラウドコンピューティングでのビッグデータに求められる4つのスキル
ITトレーニング企業のLinux Academyでビッグデータ分析部門のディレクターを務めるマニーシャ・スーレ氏によると、ITチームは4つの主要分野に注目すれば、クラウドでビッグデータを適切に扱うことができるという。
1.管理
この役割には、Hadoopと非リレーショナルデータベースである「NoSQL」の管理方法に関する知識が不可欠になる。管理者は、ストレージ、ネットワークなどのインフラコンポーネント(クラウドでインフラを構成する要素)を注意深く構成、管理して、ビッグデータプロジェクトをサポートしなければならない。そのためにHadoopとNoSQLの大量のデータを扱う経験が役に立つ。
2.開発
スーレ氏によれば、ビッグデータ開発者には「Python」「Scala」、Javaなどの言語でのプログラミング経験が求められるという。また、Amazon Web Services(AWS)のストリーミングデータをリアルタイム処理する「Amazon Kinesis」やサーバレス処理の「AWS Lambda」などの利用経験もプラスになる。こうしたサービスはマイクロサービスベースのアーキテクチャでリアルタイム処理を行うための代替手段を提供する。
3.分析
クラウド内でビッグデータの分析を行う場合は、統計、データマイニング、機械学習、オペレーションズリサーチ(最も効率的になるようにさまざまな検証をする手法、シミュレーション)、プログラミングの専門知識が求められる。データサイエンティストやアナリストだけでなく、機械学習とAIのエンジニアも、アルゴリズムの構築方法を習得し、それらのアルゴリズムを自動化して大量のデータセットを操作する方法を学ぶ必要があるとスール氏は話す。
4.視覚化
視覚化機能の開発者は、収集するビッグデータに関するストーリーを伝えるダッシュボードをデザインする。この役割を担うITプロフェッショナルは、全く異なるさまざまなデータソースにアクセスして、それらを統一性のある対話型情報基盤に統合する。
これら4つのスキルを習得できる講座はあるが、IT担当者は実践的な学習アプローチを採用するのがベストだとスール氏はいう。クラウドは、この学習モデルにも適している。
「準備は簡単で、試用アカウントを登録するだけだ。そうすれば、利用可能なサービスを直接体験できる」と同氏は話す。さらに正規講座のほとんどが、実践的な学習計画を含んでいる。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
新着ホワイトペーパー PR
-
製品資料
[株式会社キーエンス] なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは -
製品資料
[株式会社セールスフォース・ジャパン] 「CRMは設計と無関係」は本当か? PLMとの融合で実現する高速開発 -
事例
[日本ヒューレット・パッカード合同会社] AIエージェントの時代にどう備える? 「新たな働き手」を支える3要素とは -
製品資料
[日本ヒューレット・パッカード合同会社] “横並びの自動化”から脱却、AI活用で生産性と競争力を高める秘訣 -
製品資料
[サイボウズ株式会社] AIが「わざわざ使うツール」になっていない? 業務で自然に使う導線にする秘訣
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
なぜ「全社配布Copilot」は使われないのか? 失敗に学ぶAI定着
-
2
法務と開発者で「言葉が通じない」問題 トヨタやソニーが語るOSS管理の真実
-
3
ChatGPTは“検索しまくり”でGeminiは“淡泊”? データが明かすAIの裏側
-
4
なぜ「Gemini 4 Argon」は出遅れたのか? Googleが狙う“逆転のシナリオ”
-
5
「中堅・中小企業のネットワーク・セキュリティ運用実態」に関するアンケート
-
6
損保ジャパンはなぜ「COBOL」を捨てなかったのか? 脱メインフレームの真相
-
7
「Wi-Fi 7」経由でWindowsが乗っ取られる? 最高権限奪取の恐怖
-
8
情報漏えいはなぜ繰り返されるのか 今すぐ見直すべき「境界」
-
9
情シスの約8割が転職や退職を意識 調査で分かった“辞めたくなる最大の理由”
-
10
【漫画付き】ひとり情シス協会が明かす、RAG導入でしくじる企業「2つの共通点」
ホワイトペーパーランキング PR
-
1
不審メールの経路や見せ方に変化? 2026年夏の3事例から見えた動向と対処方法
-
2
家庭用Wi-Fiルーターの業務利用は危険? 避けるべき理由と具体的な対策
-
3
Microsoft 365を安全に運用 うっかりミスやサイバー攻撃に備えるデータ保護術
-
4
財務部門がAIを最大限に活用する方法 無駄のない戦略的リーダーシップへの道
-
5
LLMが兵器化? 元FBI高官が鳴らす警鐘とセキュリティツール統合のポイント
-
6
「オンプレミス回帰」せざるを得ない“合理的な理由”
-
7
なぜRPA導入は頓挫する? シナリオ作成の壁を乗り越える解決策とは
-
8
生成AIを開発に導入しても効果が見えない? 実証実験で分かった成果と課題
-
9
経産省DX指針から読み解く、受発注業務デジタル化ロードマップ
-
10
HDDを使わない「SSDオンリー」が無謀なのはなぜ?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー